強力なパートナーとの4.5.4

提携は、コストを削減し、規模を増加させるが、それは参加者の種類を変更することができ、トリートメント、あなたが使用できる成果できます。

自ら行う代わりに、会社、政府、NGOなどの強力な組織と提携することもできます。パートナーと協力することの利点は、自分でできない実験を実行できることです。たとえば、私が以下で説明する実験の1つには、6100万人の参加者が含まれています。個々の研究者はその規模を達成できませんでした。パートナーシップができることを増やすと同時に、それもあなたを制約します。たとえば、ほとんどの企業では、ビジネスや評判を損なう可能性のある実験を実行することは許可されません。パートナーと一緒に作業することは、公開する時間が来たときに結果を「再構成」するという圧力を受ける可能性があり、一部のパートナーは自分の作品が悪く見える場合は、その作品の掲載をブロックしようとする可能性もあります。最後に、パートナリングには、これらのコラボレーションの開発と維持に関連するコストも含まれます。

これらのパートナーシップを成功させるために解決しなければならない核となる挑戦は、両当事者の利益のバランスをとる方法を見出すことであり、そのバランスについて考えるための有益な方法はPasteur's Quadrant (Stokes 1997)です。多くの研究者は、実践的なもの(パートナーにとって興味深いもの)に取り組んでいるなら、彼らは本当の科学をすることはできないと考えています。この考え方は、成功したパートナーシップの創造を非常に困難にし、まったく間違っていることもあります。このような考え方の問題は、生物学者Louis Pasteurの進路を突き止めた研究によって素晴らしく描かれています。ビールジュースをアルコールに変換する商業発酵プロジェクトに取り組んでいる間、パスツールは新しい種類の微生物を発見し、最終的には病気の胚の理論につながった。この発見は非常に実用的な問題を解決しました。それは発酵のプロセスを改善するのに役立ち、科学的に大きな進歩をもたらしました。したがって、実際の応用を真の科学研究と矛盾するものとして考える研究よりも、これらを2つの別個の次元と考える方が良い。研究は、使用(または使用しない)によって動機づけることができ、研究は基本的な理解を求める(またはしない)ことができます。重要なのは、Pasteurのようないくつかの研究は、使用と根本的な理解を求める動機づけが可能である(図4.17)。 Pasteur's Quadrantの研究 - 本質的に2つの目標を進める研究は、研究者とパートナーの間の協力に理想的です。その背景を踏まえて、私はパートナーシップを持つ2つの実験研究について説明します:企業と1つ、NGOと1つ。

図4.17:パスツールの四分円(Stokes 1997)。研究を基本的か応用的かのどちらかというよりむしろ、それを使用(または使用しない)と基本的な理解を求める(またはしない)動機づけと考える方がよい。使用の動機付けと根本的な理解を求める研究の一例は、病気の胚の理論につながるビートジュースをアルコールに変換するパスツールの研究です。これは強力な人とのパートナーシップに最も適した仕事です。使用によって動機づけられているが、根本的な理解を求めていない作品の例は、Thomas Edisonのものであり、使用によって動機付けられていないが、Niels Bohrの理解を求める作業の例です。この枠組みとそれぞれのケースのより詳細な議論については、Stokes(1997)を参照してください。ストークス(1997)、図3.5から適応。

図4.17:パスツールの四分円(Stokes 1997) 。研究を「基本的」または「応用的」と考えるのではなく、それを使用(または非使用)と基本的な理解を求める(またはしない)動機づけと考える方がよい。使用の動機付けと根本的な理解を求める研究の一例は、病気の胚の理論につながるビートジュースをアルコールに変換するパスツールの研究です。これは強力な人とのパートナーシップに最も適した仕事です。使用によって動機づけられているが、根本的な理解を求めていない作品の例は、Thomas Edisonのものであり、使用によって動機付けられていないが、Niels Bohrの理解を求める作業の例です。この枠組みとそれぞれのケースのより詳細な議論については、 Stokes (1997)を参照してください。 Stokes (1997) 、図3.5から適応。

大企業、特にハイテク企業は、複雑な実験を実行するために非常に洗練されたインフラストラクチャを開発しました。ハイテク業界では、AとBの2つの治療法の有効性を比較するため、これらの実験はA / Bテストと呼ばれることがよくあります。このような実験は広告のクリックスルー率の増加などで頻繁に行われますが、科学的理解を促進する研究に使用される。この種の研究の潜在的可能性を示す例は、Facebookとカリフォルニア大学サンディエゴの研究者の間のパートナーシップによって行われた調査であり、有権者投票率に関するさまざまなメッセージの効果に基づいています(Bond et al. 2012)

米国の議会選挙の日である2010年11月2日には、米国に住んでいて18歳以上の6100万人のFacebookユーザーがすべて投票に関する実験に参加しました。 Facebookを訪れたユーザーは、3つのグループのうちの1つにランダムに割り当てられ、どのバナー(もしあれば)がNews Feed(図4.18)の上部に配置されているかが決まりました。

  • 対照群
  • クリック可能な「I Voted」ボタンとカウンタ(Info)ボタンによる投票に関する情報メッセージ、
  • クリック可能な「I Voted」ボタンとカウンターに加えて、「I Voted」(Info + Social)をすでにクリックしていた友人の名前と写真を追加した投票についての情報メッセージ。

Bondらは、投票行動と実際の投票行動の2つの主な結果を研究した。まず、Info +ソーシャルグループの人はInfoグループの人よりも「I Voted」(約20%対18%)をクリックする確率が約2%高くなっていることが分かりました。さらに、研究者が公表されている投票記録とデータを合併して約600万人の人々が合併した後、Info + Socialグループの人々は、対照グループの人々よりも実際に投票する可能性が0.39パーセンテージポイント高く、Infoグループの人々 (図4.18)と同じように投票に参加した。

図4.18:Facebook上での投票外実験の結果(Bond et al。2012)。 Infoグループの参加者は、コントロールグループの参加者と同じ割合で投票しましたが、Info + Socialグループの参加者はわずかに高い割合で投票しました。バーは推定95%の信頼区間を表す。このグラフの結果は、投票記録に一致した約600万人の参加者のためのものです。ボンドら(Bond et al。 (2012)、図1を参照されたい。

図4.18:Facebook上での投票外実験の結果(Bond et al. 2012) 。 Infoグループの参加者は、コントロールグループの参加者と同じ割合で投票しましたが、Info + Socialグループの参加者はわずかに高い割合で投票しました。バーは推定95%の信頼区間を表す。このグラフの結果は、投票記録に一致した約600万人の参加者のためのものです。 Bond et al. (2012) 、図1を参照されたい。

この実験の結果は、いくつかのオンライン・アウト・アウト・投票メッセージが他のものより効果的であり、研究者の有効性の推定は、その結果が投票であるか実際の投票であるかによって異なることを示している。この実験は残念なことに、一部の研究者が「顔の積み重ね」と呼んでいた社会情報が投票を増やすメカニズムについての手がかりを提供していません。社会的情報が誰かがバナーに気づいた確率を高めたり、バナーに気づいた人が実際に投票したか、あるいはその両方を増やす確率が高かったことがあります。したがって、この実験は、他の研究者が探索する可能性のある興味深い発見を提供する(例えば、 Bakshy, Eckles, et al. (2012)参照)。

この実験は、研究者の目標を進めることに加えて、パートナー組織(Facebook)の目標も進歩させました。調査から得られた行動を投票から購入石鹸に変更すると、オンライン広告の効果を測定するための実験と同じ構造になっていることがわかります( RA Lewis and Rao (2015)参照)。これらの広告有効性調査は、オンライン広告への露出の影響を頻繁に測定しますBond et al. (2012)は、基本的に投票によるオフライン行動の広告です。したがって、この研究はFacebookがオンライン広告の有効性を研究する能力を向上させ、Facebook広告が潜在的な広告主に行動を変えるのに効果的であると納得させる助けになるかもしれない。

この研究では、研究者やパートナーの関心はほとんどが揃っていましたが、部分的に緊張していました。特に、コントロール、Info、Info + Socialの3つのグループに参加者を割り当てることは、非常に不均衡であり、サンプルの98%がInfo + Socialに割り当てられていました。この不均衡な配分は、統計的に非効率的であり、研究者にとっては、各グループの参加者の3分の1の方がはるかに良い配分を取ることになります。しかし、不均衡な配分は、Facebookが全員にInfo + Socialの治療を受けさせたいので起こった。幸いにも、研究者らは、関連する治療については1%、対照群については参加者の1%を後退させると確信した。コントロールグループがなければ、無作為化された制御実験ではなく「摂動と観察」実験であったため、Info + Social治療の効果を測定することは基本的に不可能でした。この例は、パートナーと協力する貴重な実践的なレッスンを提供します。ある人に治療を提供するよう説得して実験を作成し、ある人に治療法を提供しないように説得して実験を作成することもあります。

パートナーシップは、技術企業や数百万人の参加者とのA / Bテストを必ずしも必要としません。例えば、Alexander Coppock、Andrew Guess、John Ternovski (2016)は環境NGO(環境保護有権者連盟(2016)と提携し、社会動員を促進するためのさまざまな戦略をテストする実験を行った。研究者は、NGOのTwitterアカウントを使用して、さまざまな種類のIDをプライムしようとするパブリックツイートとプライベートダイレクトメッセージの両方を送信しました。彼らは、これらのメッセージのうち、どのメッセージが人々に請願書に署名し、請願書に関する情報をリツイートするように促すのに最も効果的かを測定しました。

表4.3:研究者と組織の間のパートナーシップを含む実験の例
トピック 参考文献
Facebookニュースフィードの情報共有への影響 Bakshy, Rosenn, et al. (2012)
部分的匿名性がオンラインデートウェブサイトの行動に及ぼす影響 Bapna et al. (2016)
家庭エネルギー報告書の電力使用への影響 Allcott (2011) ; Allcott and Rogers (2014) ; Allcott (2015) ; Costa and Kahn (2013)Ayres, Raseman, and Shih (2013)
ウイルス拡散に対するアプリデザインの影響 Aral and Walker (2011)
拡散メカニズムが拡散に及ぼす影響 SJ Taylor, Bakshy, and Aral (2013)
広告における社会情報の影響 Bakshy, Eckles, et al. (2012)
さまざまなタイプの顧客に対するカタログ頻度およびオンラインによる販売におけるカタログ頻度の影響 Simester et al. (2009)
潜在的なジョブアプリケーションへの人気情報の影響 Gee (2015)
人気に対する初期評価の影響 Muchnik, Aral, and Taylor (2013)
政治動員へのメッセージ内容の影響 Coppock, Guess, and Ternovski (2016)

全般的に、パワフルなパートナーと協力して、そうでなければ実行しにくい規模での作業を可能にします。表4.3に、研究者と組織のパートナーシップの他の例を示します。パートナーシップは、独自の実験を構築するよりはるかに簡単です。しかし、これらの利点には欠点があります。パートナシップは、あなたが勉強することができる参加者、治療法、および結果の種類を制限する可能性があります。さらに、これらのパートナーシップは倫理的な課題につながる可能性があります。パートナーシップの機会を見つける最良の方法は、興味深い科学をしながら解決できる本当の問題に気付くことです。あなたが世界を見ているこの方法に慣れていないなら、パスツールの四分円で問題を見つけるのは難しいかもしれませんが、練習すれば、ますますそれらに気づくでしょう。